첨단인재형 · 인공지능 직무분야
Full-Stack AI Engineer & MLOps 아키텍트 과정
데이터 사이언스 · 엔터프라이즈 백엔드 · 지능형 AI 서비스 · Cloud-Native & MLOps 인프라를 한 과정에서 아우르는 올인원 AI 아키텍트 과정입니다.
공통 과정(MLOps 엔지니어 트랙)에서 직무 과정으로 이어지는 5개 핵심 과목 모듈로 구성되며, 교육 수준은 중급에서 고급으로 단계적으로 올라갑니다.
모든 과정은 End-to-End MLOps 파이프라인 구축 역량을 최종 목표로 하며, 직군별 캡스톤 프로젝트로 취업용 GitHub 포트폴리오를 완성합니다.
| 구분 | 트랙 | 관련 직무 | 시수 | |
|---|---|---|---|---|
| 공통 과정 | MLOps 엔지니어 트랙 | 데이터 사이언티스트, AI 백엔드 개발자, AI 서비스 개발자, MLOps 엔지니어 | 200H | |
| 직무 과정 | AI 프로덕트 매니저 | 데이터 사이언티스트, AI PM, AI 서비스 개발자 | 120H | |
| 직무 과정 | AI 백엔드 개발자 | 데이터 사이언티스트, AI 백엔드 개발자, AI 서비스 개발자 | 120H | |
| 직무 과정 | AI 서비스 개발자 | 데이터 사이언스, AI 백엔드 개발자, AI 서비스 개발자 | 120H | |
| 직무 과정 | 데이터 사이언티스트 | 데이터 사이언티스트, 데이터 분석가, ML 엔지니어 | 120H | |
| 공통(대학 자체) | 교양 과정 | 디지털 리터러시 · 디지털 정보 이해·활용 역량 | 공통 | 40H |
| 공통(대학 자체) | 사회 과정 | 청년 사회참여 · 지역사회 이해 | 공통 | 24H |
주간 09:00~18:00 · 1일 8시간 집중 과정 (점심 12:00~13:00 제외). 전문 과정 320H + 교양 40H + 사회 24H.
교육 흐름
- 사전온라인 사전교육
- · AI활용창의적문제해결(이론)
- · 인공지능시대의컴퓨팅적사고(이론)
- · 코딩생각을현실로(이론-실습)
- · C프로그래밍기초(이론-실습)
- · 파이썬 프로그래밍 기초(이론-실습)
이수 기준 이수증 제출 - 초급200H
- · 모든 교육생이 먼저 이수합니다.
- · 모듈: MLOps 기반 환경 구축 / 모델 서빙 & CI/CD / 운영 안정화 & 포트폴리오
이번 기수 구성 · (초-1) AI 공통과정- AI공통과정 초급 모듈140H
- · 인공지능시대컴퓨팅적사고50H(CALP 온라인)
- · AI활용창의적문제해결50H(CALP 온라인)
- · C프로그래밍기초50H(CALP 온라인)
- · 코딩생각을현실로50H(CALP 온라인)
- · 파이썬프로그래밍기초50H(CALP 온라인)
이수 기준 실습 결과물 제출 + 과목 평가 60점 이상 - 중급120H직무 과정 · 직군별 캡스톤
- · 공통 과정 수료 후 4개 트랙 중 1개를 선택합니다.
이수 기준 프로젝트 발표 통과 + 기업 멘토 평가 '적합' 이상 → 대학·기업 공동명의 수료증 - 공통64H
- · 교양 과정 40H — 디지털 리터러시 · 디지털 정보 이해·활용 역량
- · 사회 과정 24H — 청년 사회참여 · 지역사회 이해
- · 주 1~2회 전문 과정과 병행
이수 기준 서면 평가 통과
- · 수료하려면 전문 과정 1개 이상과 교양·사회 과정 1개 이상을 이수해야 합니다.
- · 이수 기준을 채우지 못하면 보충 학습 1회 후 재평가를 받을 수 있습니다.
공통 과정
모든 교육생이 먼저 이수하는 과정입니다. 이후 직무 트랙 1개를 선택합니다.
공통 과정·TRACK 1
MLOps 엔지니어 트랙
모든 교육생이 이수하는 공통 과정. 재현 가능한 실험 환경부터 서빙·CI/CD·모니터링까지 ML 파이프라인 전체를 직접 구축합니다.
데이터 사이언티스트AI 백엔드 개발자AI 서비스 개발자MLOps 엔지니어
- 총 시수
- 200H
- MODULE 1MLOps 기반 환경 구축
- ·MLOps 직무 분석 & 파이프라인 전략
- ·재현 가능한 인프라 환경 구축
- ·데이터 파이프라인 설계 & 자동화
- ·ML 시스템 아키텍처 설계
- ·실험 추적 체계 & 베이스라인 구축
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓MLOps 엔지니어 직무·역할 심층 분석, CI/CD 기반 ML 파이프라인 전체 구조 설계
- ✓Docker 기반 ML 실험 환경 표준화, 로컬 Docker Compose 구성 & 클라우드 대안 이해
- ✓Airflow DAG 로컬 설치 & 데이터 수집 파이프라인 자동화, Pandera 데이터 품질 검증
- ✓Feature Store · Model Registry · Serving 구조 설계, ML 시스템 아키텍처 다이어그램 작성
- ✓MLflow Experiment Tracking 체계 구축, 베이스라인 학습 & 실험 버전 관리 자동화
- ✓하이퍼파라미터 자동 최적화(Optuna), 성능 저하 감지 시 자동 재학습 트리거 설계
- MODULE 2모델 서빙 & CI/CD
- ·모델 최적화 & 자동 재학습 설계
- ·LLM 파이프라인 운영 & RAG 자동화
- ·FastAPI ML 서빙 & 모델 버전 관리
- ·CI/CD 파이프라인 완전 자동화
- ·모니터링 시스템 구축 & 중간 발표
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓LLM 서빙 파이프라인 설계 & RAG 운영 자동화, 프롬프트 버전 관리 & 로컬 VectorDB 운영
- ✓FastAPI 기반 ML 추론 API 개발 & Swagger 문서화, 모델 버전 관리 & Blue-Green 배포 전략
- ✓ML 학습→평가→배포 전 과정 GitHub Actions 자동화, Render/Fly.io 무료 배포로 파이프라인 완성
- ✓모델 성능·데이터 드리프트 모니터링 대시보드, Uptime Kuma 알람 설계 & 파이프라인 시연(중간 발표)
- MODULE 3운영 안정화 & 포트폴리오
- ·서비스 통합 & 운영 환경 점검
- ·인프라 고도화 & 보안 적용
- ·MLOps 포트폴리오 문서화
- ·파이프라인 데모 & 발표 준비
- ·최종 발표 & 수료
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓전체 ML 파이프라인 E2E 통합 & 운영 안정성 검증, k6 부하 테스트 & 장애 대응 Runbook 작성
- ✓Minikube 로 Kubernetes 개념 이해, GitHub Secrets 기반 인프라 보안 실습
- ✓MLOps 파이프라인 GitHub 문서화 & 아키텍처 다이어그램, 운영 가이드 작성 & 기술 블로그 포스팅
- ✓CI/CD·모니터링 라이브 데모, MLOps 면접 Q&A(인프라·배포·장애 대응), 전문가 심사·피드백·수료 & 네트워킹
직무 과정
공통 과정 수료 후 4개 트랙 중 1개를 선택해 이수합니다. 트랙 배정은 희망 조사와 상담을 거쳐 확정합니다.
직무 과정·TRACK 2
AI 프로덕트 매니저
AI 제품의 기획·설계·출시·운영 지표까지 PM 관점의 전 주기를 다루고, PRD·UX·데이터 분석 포트폴리오를 완성합니다.
데이터 사이언티스트AI PMAI 서비스 개발자
- 총 시수
- 120H
- MODULE 1AI 제품 기획 & 전략 수립
- ·AI PM 직무 분석 & 커리어 전략
- ·AI 기술 이해 & 개발팀 협업
- ·데이터 기반 의사결정 & 인사이트
- ·PRD 작성 & 요구사항 정의
- ·모델 성능 지표 & 비즈니스 연결
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓AI PM 직무 역할·책임·필요 역량 분석, 개인 AI 제품 기획 주제 선정 & 프로젝트 방향 확정
- ✓AI/ML 개발 프로세스 이해 & 기술 용어 습득, API 호출 실습으로 개발팀 소통 역량 강화
- ✓SQL 로 서비스 지표 추출 & 분석, Tableau Public 인터랙티브 대시보드 작성
- ✓AI 서비스 PRD 전체 작성, 유저 스토리 매핑 & 기능 우선순위(RICE) 산정
- ✓모델 성능 지표(정확도·F1·AUC)의 비즈니스 관점 해석, 제품 KPI ↔ 모델 지표 연결 & OKR 설계
- MODULE 2AI 제품 설계 & 출시 전략
- ·LLM 제품 기획 & 프롬프트 설계
- ·AI UX 설계 & 프로토타입
- ·API 명세 검토 & 개발팀 소통
- ·AI 서비스 출시 & 롤아웃 전략
- ·서비스 운영 지표 설계 & 중간 발표
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓LLM 기반 서비스 기획 & 사용 시나리오 설계, Groq API 로 Prompt Engineering 실습
- ✓AI 서비스 UX 흐름 설계 & Figma 프로토타입 제작, 사용자 인터뷰 설계 & 가설 검증
- ✓API 스펙 리뷰 & 개발 일정 협의 실습, GitHub Projects 스프린트 계획
- ✓Unleash 기반 Feature Flag 점진적 롤아웃, 배포 프로세스 이해 & 배포 리스크 관리
- ✓PostHog 로 AI 서비스 KPI 대시보드 설계 & 이벤트 트래킹, 모델 성능 모니터링 이해(중간 발표)
- MODULE 3포트폴리오 & 취업 준비
- ·데모 앱 UX 검토 & 사용자 테스트
- ·제품 통합 검증 & 출시 체크리스트
- ·AI PM 포트폴리오 문서화
- ·발표 & 연장 준비
- ·최종 발표 & 수료
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓데모 앱 UX 검토 & 사용자 인터뷰, 피드백 수집 → 개선 우선순위 → PM 의사결정 사이클
- ✓AI 서비스 E2E QA 기준 수립 & 출시 체크리스트, 제품 통합 검증 & 런치 결정 시뮬레이션
- ✓AI PM 케이스 스터디 문서화(기획→출시→성과), PRD·UX·데이터 분석 포트폴리오 & 이력서 작성
- ✓비기술 청중 대상 발표 스토리 구성, AI PM 면접 Q&A, 최종 발표 & 데모 시연, 전문가 심사·수료 & 네트워킹
직무 과정·TRACK 3
AI 백엔드 개발자
마이크로서비스 설계부터 모델 추론 API·RAG 백엔드·CI/CD·모니터링까지, 프로덕션급 AI 서빙 서버를 직접 구축합니다.
데이터 사이언티스트AI 백엔드 개발자AI 서비스 개발자
- 총 시수
- 120H
- MODULE 1AI 백엔드 설계 기반
- ·AI 백엔드 직무 분석 & 시스템 설계 전략
- ·Docker & 클라우드 아키텍처
- ·REST API & 데이터 수집
- ·마이크로서비스 설계
- ·전처리 API & 배치
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓AI 전환 백엔드 개발자 직무 분석, AI 서비스 백엔드 시스템 설계 전략 수립
- ✓Docker Compose 다중 서비스 환경 구성, Fly.io 무료 배포 & Nginx 리버스 프록시 실습
- ✓AI 데이터 수집용 REST API 클라이언트 구현, PostgreSQL 스키마 설계 & 데이터 적재 파이프라인
- ✓AI 시스템 마이크로서비스 아키텍처 설계, API Gateway 패턴 & 서비스 간 통신 구조 구현
- ✓FastAPI Background Task & Celery 비동기 처리, 배치 데이터 전처리 API & 작업 큐 파이프라인
- MODULE 2AI 서빙 서버 & DevOps
- ·모델 추론 API & 성능 튜닝
- ·LLM API & RAG 백엔드 구현
- ·FastAPI 서빙 서버 설계 & 직렬화
- ·CI/CD & 배포
- ·API 모니터링 & 중간 발표
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓FastAPI 모델 추론 API 개발 & ONNX 변환, Redis 캐싱으로 추론 응답 속도 최적화
- ✓FastAPI 에 LLM API 통합 & 스트리밍 응답, RAG 백엔드 서버 구현(pgvector + FastAPI)
- ✓프로덕션급 ML 서빙 서버 설계 & 구현, 모델 버전 관리 & API 버전 관리 전략
- ✓ML 서빙 서버 CI/CD 완전 자동화, Render/Fly.io 무료 플랫폼 배포
- ✓Grafana Cloud 기반 API 성능 모니터링, Discord Webhook 알람 & 장애 대응 자동화(중간 발표)
- MODULE 3통합 완성 & 포트폴리오
- ·백엔드 ↔ 프론트 API 연동 완성
- ·보안 & E2E 테스트
- ·포트폴리오 & API 문서
- ·발표 & 연장 준비
- ·최종 발표 & 수료
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓백엔드 ↔ 프론트엔드 API 연동 & CORS 설정, JWT 인증 미들웨어 구현 & API 통합 테스트
- ✓OAuth2 보안 적용 & API Rate Limiting, Pytest 기반 E2E 통합 테스트 & 성능 최적화
- ✓서빙 서버 전체 API 문서화(Swagger), 시스템 아키텍처 다이어그램 & 기술 블로그 작성
- ✓아키텍처 발표 스토리 구성, AI 백엔드 면접 Q&A(FastAPI·DB·DevOps), 최종 발표 & 라이브 API 시연, 전문가 심사·수료
직무 과정·TRACK 4
AI 서비스 개발자
LLM·RAG 기반 AI 서비스를 기획부터 프론트·백엔드·배포·품질 관리까지 완성해 실제 동작하는 서비스와 랜딩 페이지를 포트폴리오로 남깁니다.
데이터 사이언스AI 백엔드 개발자AI 서비스 개발자
- 총 시수
- 120H
- MODULE 1AI 서비스 기획 & 설계
- ·AI 서비스 개발자 직무 분석 & 기획
- ·AI 서비스 개발 환경 & 아키텍처 설계
- ·AI 서비스 데이터 수집 & 가공
- ·LLM 서비스 설계 & Prompt 아키텍처
- ·LangChain 파이프라인 & 베이스라인 구현
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓AI 서비스 개발자 직무·필요 역량 분석, 벤치마킹 기반 서비스 아이디어 & 기획서 작성
- ✓개발 환경 구축 & 기술 스택 선정, 서비스 시스템 아키텍처 설계(프론트 ↔ 백엔드 ↔ 모델)
- ✓학습/운영 데이터 수집 & 가공 파이프라인, Supabase 무료 티어 연동 & 데이터 관리 API 구현
- ✓LLM 기반 서비스 전체 설계 & Prompt 아키텍처, 서비스 유형별(챗봇·요약·추천) Prompt 전략 실습
- ✓LangChain Chain·Agent 기반 베이스라인 구현, 서비스 품질 평가 지표 & 실험 기록 체계 구축
- MODULE 2AI 서비스 개발 & 배포
- ·RAG 시스템 & 검색 최적화
- ·AI 서비스 백엔드 API 서버 개발
- ·AI 서비스 프론트 & UX 구현
- ·CI/CD & 클라우드 배포 자동화
- ·AI 서비스 품질 관리 & 중간 발표
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓RAG 파이프라인 구현 & Vector DB 검색 최적화, 임베딩 모델 비교 & Retrieval 품질 평가
- ✓FastAPI 기반 백엔드 API 서버 개발, WebSocket 스트리밍 응답 & 대화 히스토리 관리
- ✓Streamlit 기반 프론트엔드 구현, 채팅 UI·파일 업로드·결과 시각화 컴포넌트
- ✓CI/CD 파이프라인 구축 & 자동 배포, Render/Fly.io 배포 & 커스텀 도메인 연결
- ✓응답 품질 모니터링 & 사용자 피드백 수집, 서비스 품질 KPI 대시보드 구축(중간 발표)
- MODULE 3서비스 완성 & 포트폴리오
- ·AI 서비스 UX 고도화 & 사용자 테스트
- ·AI 서비스 완성 & 안정화
- ·AI 서비스 개발자 포트폴리오 완성
- ·AI 서비스 데모 & 발표 준비
- ·최종 발표 & 수료
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓사용자 테스트 수행 & UX 개선, 피드백 반영 → 기능 개선 → 재배포 사이클 실습
- ✓E2E 테스트 & 보안 강화(OAuth2 · Rate Limiting), API 호출 비용 최적화 & 서비스 안정화
- ✓GitHub 포트폴리오 & 랜딩 페이지 제작, 서비스 개발 케이스 스터디 & 기술 블로그 작성
- ✓라이브 데모 시나리오 & 리허설, 면접 Q&A(LLM·RAG·FastAPI·배포), 최종 발표 & 라이브 시연, 전문가 심사·수료
직무 과정·TRACK 5
데이터 사이언티스트
Kaggle 데이터로 EDA·Feature Engineering·모델링을 거쳐 딥러닝·LLM·XAI 까지 고도화하고, 비즈니스 임팩트를 설명하는 분석 포트폴리오를 완성합니다.
데이터 사이언티스트데이터 분석가ML 엔지니어
- 총 시수
- 120H
- MODULE 1데이터 분석 & 모델링 기반
- ·DS 직무 분석 & 전략
- ·분석 환경 구축 & Kaggle 실습
- ·심화 EDA & 통계 분석
- ·Feature Engineering & 모델 선정
- ·베이스라인 모델 & 실험 추적
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓데이터 사이언티스트 직무·커리어 패스 분석, 개인 분석 프로젝트 주제 선정 & Kaggle 데이터셋 탐색
- ✓Kaggle 환경 구축 & 공개 데이터셋 탐색, SQL 기초 쿼리로 데이터 추출 & 분석 환경 구성
- ✓분포 분석·이상치 탐지·결측치 처리 심화 EDA, 통계적 가설 검정 & 변수 간 상관관계 분석
- ✓Feature Engineering(파생변수·인코딩·스케일링), 모델 선정 기준 & 교차 검증 전략 설계
- ✓다양한 ML 알고리즘 비교 실험 & 베이스라인 구축, MLflow 로 실험 추적 & 성능 지표 기록
- MODULE 2모델 고도화 & LLM 활용
- ·딥러닝 & 튜닝
- ·NLP & LLM 활용
- ·모델 해석 & XAI
- ·파이프라인 & 배포 이해
- ·모니터링 & 중간 발표
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓딥러닝 모델 설계 & Optuna 하이퍼파라미터 자동 최적화, Transfer Learning 으로 성능 고도화
- ✓HuggingFace 로 텍스트 분류·감성 분석 모델 구현, Groq 무료 LLM API & ChromaDB RAG 적용
- ✓SHAP 으로 모델 예측 근거 설명 & Feature 중요도 분석, 모델 공정성 평가 & 비즈니스 관점 해석 보고서
- ✓MLflow Model Registry 로 모델 버전 관리, 배포 파이프라인 이해 & DS-DevOps 협업 방법
- ✓데이터 드리프트·모델 성능 저하 감지 실습, A/B 테스트 설계 & 분석 결과 발표(중간 발표)
- MODULE 3인사이트 발표 & 포트폴리오
- ·시각화 & 대시보드
- ·분석 검증 & 임팩트
- ·포트폴리오 문서화
- ·발표 & 연장 준비
- ·최종 발표 & 수료
핵심 학습 성과 보기 ▾핵심 학습 성과 ▴
- ✓인터랙티브 데이터 분석 대시보드 구현, 의사결정자를 위한 인사이트 스토리텔링
- ✓분석 파이프라인 E2E 검증 & 통계적 유의성 확인, 비즈니스 임팩트 정량화 & 의사결정 보고서 작성
- ✓Jupyter Notebook 기반 분석 포트폴리오 정리, Kaggle 결과 공유 & 데이터 사이언스 케이스 스터디 작성
- ✓발표 스토리 구성 & 시연 리허설, DS 면접 Q&A(통계·Feature Engineering·ML), 최종 발표 & 대시보드 시연, 전문가 심사·수료
교양·사회 공통 과정
전문 과정과 병행해 주 1~2회 운영하며, 대학이 직접 운영합니다.
교양 과정
40H
- · 디지털 리터러시 · 디지털 정보 이해·활용 역량
- · 이력서·포트폴리오 작성, 모의면접
- · IT 취업 동향 분석 및 경력개발 전략
이수 기준 서면 평가 통과
사회 과정
24H
- · 청년 사회참여 · 지역사회 이해
- · 일자리 밖 청년 현황 이해 및 사회적 자본 형성
- · 지역사회 연계 활동, 노동권·참여역량 강화
이수 기준 서면 평가 통과
수업 참여 요건
사전 지식 없이 시작할 수 있도록 설계했고, 단계별 역량 진단으로 학습 준비도를 확인합니다.
| 단계 | 대상 | 수업 참여 요건 |
|---|---|---|
| 초급 | 일자리 밖 청년 누구나(비재학생) · 전공 무관, 만 19~34세 |
|
| 중급 | 이공계·인문사회계 및 초급 이수 비전공자 청년 |
|
| 고급 | 중급 이수자 또는 동등 수준 포트폴리오 제출자 |
|
운영 방식
수업 형태·장소
- · 주간 수업 + 플립러닝(온라인 사전학습 8H 후 대면·실습)
- · 교내 AI·SW 전공 실습실
기업 참여
- · 실무자 특강 · 프로젝트 멘토링
- · 기업 코드리뷰 · 현장실습
- · 기업 PM 참여 평가 · 채용 연계 · 정규직 전환 연계
고급 과정 운영
- · 고급 과정은 대면 실습 중심(09:00~18:00)에 기업 실무자 코드리뷰·멘토링을 병행
- · 참여기업 현장 실습 장비·데이터·API 를 활용한 실전 환경 제공
- · 팀 프로젝트 + 기업 평가 연계 — 전 단계 기술 스택 통합 적용, GitHub 포트폴리오 완성 및 채용 연계
운영 일정
1차년도(2026. 9 ~ 2027. 2). 공휴일 일정은 별도 조정합니다.
- STEP 12026. 9월공통(교양·사회) 시작주 1~2회, 이후 전 기간 병행 운영
- STEP 22026. 10~11월공통 과정 · MLOps 엔지니어 트랙주간 09:00~18:00 · 200H
- STEP 32026. 12월 ~ 2027. 1월직무 과정 · 4개 트랙 중 1개 선택주간 09:00~18:00 · 120H
- STEP 42027. 2월최종 발표 · 수료 · 채용 연계 행사대학·기업 공동명의 수료증